AB skill-optimizer
Автоматическое улучшение любого навыка OpenClaw с использованием цикла автоисследования Карпатого. Навык многократно запускается на тестовых входных данных, оценивается по чек-листу «да/нет», вносится одно целенаправленное изменение, сохраняется, если стало лучше, отменяется, если стало хуже. Также проверяет структуру навыка на соответствие лучшим практикам Anthropic (постепенное раскрытие, раздел «подводные камни», описание триггерных фраз). Используйте, когда просят «optimize this skill», «improve my skill», «run autoresearch on», «audit this skill» или перед масштабным запуском любого навыка (например, холодная рассылка). Основано на методе автоисследования Ола Леманна + внутренние паттерны навыков Anthropic (@trq212).
машинный переводПоказать оригиналСкрыть оригинал«Auto-improve any OpenClaw skill using Karpathy's autoresearch loop. Ru…»
Auto-improve any OpenClaw skill using Karpathy's autoresearch loop. Runs skill repeatedly against test inputs, scores against a yes/no checklist, makes one targeted change, keeps if better, reverts if worse. Also audits skill structure against Anthropic's best practices (progressive disclosure, gotchas section, trigger-phrase description). Use when asked to "optimize this skill", "improve my skill", "run autoresearch on", "audit this skill", or before running any skill at scale (e.g., cold outreach). Based on Ole Lehmann's autoresearch method + Anthropic internal skill patterns (@trq212).
Автоматическое улучшение любого навыка OpenClaw с использованием цикла автоисследования Карпатого.
Как процесс B 65/100 · Почти готов — слабые места: когда включается, входы и предусловия, согласованность
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 65/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 40Согласованность. Имя во frontmatter (skill-optimizer) не совпадает с папкой (autoresearch-skill-optimizer)
- 55Ошибки и развилки. Развилок: 1
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 48
- 100Стоимость исполнения. Тело инструкции 1838 токенов
- 100Повторный запуск. Изменяющих операций нет
- 100Отчётность по ходу. Скилл сообщает о ходе работы
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 4 примера фраз-триггеров в кавычках
- +3Длина description 595 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 48 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 96.